kafka+storm+redis简单demo

环境准备（linux虚拟机一台）
1 、java环境（1.7）
2 、 python环境（2.7）
3 、zookeeper环境（3.4.5）
4 、 kafka环境（2.9.2）
5 、 storm环境（0.9.2）
6 、redis

启动环境（这里使用单节点）

2017-04-26_165356.png

【程序逻辑】
kafka模拟随机数据实时发送到“ARF”主题，storm的数据源spout作为kafka的消费者去消费接收到的数据，对数据简单处理后持久化到redis中

【代码】
pom.xml
（pom文件这里要注意的是pom文件中的storm版本要与linux服务器上安装的storm版本一致，包括storm_kafka的整合jar也要一致）

<dependencies>
    <!-- junit -->
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.10</version>
        <scope>test</scope>
    </dependency>
     
    <!-- storm -->
    <dependency>
        <groupId>org.apache.storm</groupId>
        <artifactId>storm-core</artifactId>
        <version>0.9.2</version>
    </dependency>
       <dependency>
           <groupId>org.apache.storm</groupId>
           <artifactId>storm-kafka</artifactId>
           <version>0.9.2</version>
           <exclusions>
               <exclusion>
                   <groupId>org.slf4j</groupId>
                   <artifactId>slf4j-log4j12</artifactId>
               </exclusion>
               <exclusion>
                   <groupId>org.slf4j</groupId>
                   <artifactId>slf4j-api</artifactId>
               </exclusion>
           </exclusions>
       </dependency>
    <dependency>
        <groupId>commons-collections</groupId>
        <artifactId>commons-collections</artifactId>
    </dependency>
    
    <!-- kafka -->
    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka_2.11</artifactId>
        <version>0.9.0.0</version>
        <exclusions>
            <exclusion>
                <groupId>org.slf4j</groupId>
                <artifactId>slf4j-log4j12</artifactId>
            </exclusion>
            <exclusion>
                <groupId>log4j</groupId>
                <artifactId>log4j</artifactId>
            </exclusion>
            <exclusion>
                <artifactId>jmxtools</artifactId>
                <groupId>com.sun.jdmk</groupId>
            </exclusion>
            <exclusion>
                <artifactId>jmxri</artifactId>
                <groupId>com.sun.jmx</groupId>
            </exclusion>
            <exclusion>
                <artifactId>jms</artifactId>
                <groupId>javax.jms</groupId>
            </exclusion>
            <exclusion>
                <groupId>org.apache.zookeeper</groupId>
                <artifactId>zookeeper</artifactId>
            </exclusion>
        </exclusions>   
    </dependency>
    <!--redis-->
    <dependency>
        <groupId>redis.clients</groupId>
        <artifactId>jedis</artifactId>
        <version>2.8.1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-pool2</artifactId>
        <version>2.4.2</version>
    </dependency>
</dependencies>

kafka生产者
(kafka随机获取静态map中的某个单词数据发送给主题ARF)

/**
 * kafka生产者类
 * @author lvfang
 *
 */
public class KafkaProduce extends Thread {

    // 主题
    private String topic;
    // 数据源容器
    private static final Map<Integer, String> map = new HashMap<Integer, String>();
    final Random random = new Random();

    static {
        map.put(0, "java");
        map.put(1, "php");
        map.put(2, "groovy");
        map.put(3, "python");
        map.put(4, "ruby");
    }
    
    public KafkaProduce(String topic){  
        super();  
        this.topic = topic;  
    } 
    
    //创建生产者
    private Producer createProducer(){
        Properties properties = new Properties();
        //zookeeper单节点
        properties.put("zookeeper.connect","192.168.1.201:2181");
        //kafka单节点
        properties.put("metadata.broker.list", "192.168.1.201:9092");
        properties.put("serializer.class", StringEncoder.class.getName());  
        return new Producer<Integer, String>(new ProducerConfig(properties)); 
    }
    
    @Override
    public void run() {
        //创建生产者
        Producer producer = createProducer();    
        //循环发送消息到kafka
        while(true){  
            producer.send(new KeyedMessage<Integer, String>(topic, map.get(random.nextInt(5))));  
            try {  
                //发送消息的时间间隔
                Thread.sleep(200);
            } catch (InterruptedException e) {  
                e.printStackTrace();  
            }  
        }  
    }
    
    
    public static void main(String[] args) {
        // 使用kafka集群中创建好的主题 test  
         new KafkaProduce("ARF").start(); 
    }
}

kafka消费者
(kafka消费者从主题ARF中实时获取数据)

/**
 * kafka消费者类
 * @author lvfang
 *
 */
public class KafkaCusumer extends Thread {

    private String topic;//主题
    
    private long i;
    
    public KafkaCusumer(String topic){  
        super();  
        this.topic = topic;  
    } 
    
    //创建消费者
    private ConsumerConnector createConsumer(){
        Properties properties = new Properties();
        //zkInfo
        properties.put("zookeeper.connect","192.168.1.201:2181");
        //必须要使用别的组名称， 如果生产者和消费者都在同一组，则不能访问同一组内的topic数据  
        properties.put("group.id", "group1");
        return Consumer.createJavaConsumerConnector(new ConsumerConfig(properties));
    }
    
    @Override
    public void run() {
        //创建消费者
        ConsumerConnector consumer = createConsumer();  
        //主题数map
        Map<String, Integer> topicCountMap = new HashMap<>();
        // 一次从topic主题中获取一个数据 
        topicCountMap.put(topic, 1);
        //创建一个获取消息的消息流
        Map<String,List<KafkaStream<byte[], byte[]>>> messageStreams = consumer.createMessageStreams(topicCountMap);
        // 获取每次接收topic主题到的这个数据  
        KafkaStream<byte[], byte[]> stream = messageStreams.get(topic).get(0);
        ConsumerIterator<byte[], byte[]> iterator = stream.iterator();
        
        try {
            //循环打印
            while (iterator.hasNext()) {
                String message = new String(iterator.next().message());     
                i++;
                System.out.println("接收到  " + i + " 条消息: "+ message);  
            }
        } catch (Exception e) {} 
    }
    
    public static void main(String[] args) {
        // 使用kafka集群中创建好的主题 test 
        new KafkaCusumer("ARF").start();  
    }
}

先将以上生产消费调通

2017-04-26_171718.png
2017-04-26_171731.png

调通kafka生产消费后就可以整合storm了，这里要注意各个数据的流向

kafka生产消费模式：kafka生产者    ------>    kafka消费者
storm数据流模式： spout   --->  bolt1  ----> bolt2 ... ...
kafka整合storm模式：kafka生产者    ------>   kafkaSpout（kafka的消费者就是storm的数据源）

kafkaSpout

/**
 * kafka整合storm作为storm数据源spout
 * @author lvfang
 *
 */
public class KafkaSpoutMain {
    // 主题与zk端口
    public static final String TOPIC = "ARF";
    public static final String ZKINFO = "192.168.1.201:2181";

    public static void main(String[] args) {
        TopologyBuilder topologyBuilder = new TopologyBuilder();
        //创建zk主机
        ZkHosts zkHosts = new ZkHosts(ZKINFO);
        //创建spout
        SpoutConfig spoutConfig = new SpoutConfig(zkHosts, TOPIC, "","KafkaSpout");
        //整合kafkaSpout
        KafkaSpout kafkaSpout = new KafkaSpout(spoutConfig);

        // 设置storm数据源为kafka整合storm的kafkaSpout
        topologyBuilder.setSpout("KafkaSpout", kafkaSpout, 1);
        //数据流向，流向dataBolt进行处理
        topologyBuilder.setBolt("dataBolt", new DataBolt(), 1).shuffleGrouping("KafkaSpout");

        Config config = new Config();
        config.setNumWorkers(1);

        if (args.length > 0) {
            try {
                StormSubmitter.submitTopology(args[0], config,topologyBuilder.createTopology());
            } catch (Exception e) {
            }
        } else {
            LocalCluster localCluster = new LocalCluster();
            localCluster.submitTopology("getData", config,topologyBuilder.createTopology());
        }
    }
}

bolt(storm处理数据组件，这里直接将数据存储redis)

/**
 * 解析数据持久化
 * @author lvfang
 *
 */
public class DataBolt extends BaseRichBolt {
    
    public int i = 0;
    public static Jedis jedis;
    public Map<String,String> map = new HashMap<String,String>();
    //jedis,生产环境最好用JedisPool
    static {
        jedis = new Jedis("192.168.1.201",6379);
        jedis.auth("cjqc123456");
    }

    public void execute(Tuple tuple) {
        String string = new String((byte[]) tuple.getValue(0));

        i++;
        String[] datas = string.split(" ");

        System.out.println("【收到消息：" + i + " 条数据】" + string);
        
        map.put("a", UUID.randomUUID()+ "_" + string);
        map.put("b", UUID.randomUUID()+ "_" + string);
        map.put("c", UUID.randomUUID()+ "_" + string);
        map.put("d", UUID.randomUUID()+ "_" + string);

        jedis.hmset("test", map);
    }

    public void prepare(Map map, TopologyContext topologyContext, OutputCollector outputCollector) {
        // 初始化  
    }

    public void declareOutputFields(OutputFieldsDeclarer arg0) {
        
    }
}

启动kafkaSpoutMain获取kafka的数据，并查看redis中是否有数据

2017-04-26_174349.png
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

  • Spring Cloud
    Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具（例如配置管理，服务发现，断路器，智...
    卡卡罗2017阅读 136,554评论 19赞 139
  • kafka笔记
    kafka的定义:是一个分布式消息系统，由LinkedIn使用Scala编写，用作LinkedIn的活动流（Act...
    时待吾阅读 5,539评论 1赞 15
  • Kafka深度解析
    本文转载自http://dataunion.org/?p=9307 背景介绍Kafka简介Kafka是一种分布式的...
    Bottle丶Fish阅读 5,586评论 0赞 34
  • 消息队列探秘-Kafka全面解析
    背景介绍 Kafka简介 Kafka是一种分布式的，基于发布/订阅的消息系统。主要设计目标如下： 以时间复杂度为O...
    高广超阅读 13,055评论 8赞 167
  • Kafka入门
    Kafka官网：http://kafka.apache.org/入门1.1 介绍Kafka™ 是一个分布式流处理系...
    it_zzy阅读 4,012评论 3赞 53

友情链接更多精彩内容